论文部分内容阅读
边缘检测是边界分割方法中一种最基本的处理方法,有很强的实用价值。而小波分析是处理非平稳信号的重要工具,已被成功应用到边缘检测中,并发挥着越来越重要的作用。此外,还有一些常用的经典边缘检测算子,它们大都是微分算子。而微分算子虽然运行简单,但去噪效果并不理想。噪声是影响边缘检测结果的主要因素之一,为有效地达到去噪的目的,本文利用传统的Sobel算子和小波变换边缘检测算法提出新的边缘检测方法。具体工作如下: 首先,由于传统的Sobel算子是一种基于导数微分的算子,对噪声有很强的敏感性,所以当图像包含大量噪声时,很难有效地区分边缘点和噪声点。为此,本文利用多尺度形态学滤波对含噪声图像平滑处理,改进原有的Sobel算子,最终的边缘图像不仅明显降低了噪声的影响,保持了边缘强度和较为完整的细节信息,获得了更为满意的主观效果,而且利用客观评价标准,峰值信噪比、相关系数、扭曲程度与传统的Sobel算子比较也均有了一定程度的改善。 其次,对于含有椒盐噪声的图像,利用传统的小波变换会检测出大量的噪声点。因此,本文将不同尺度的形态学结构元素与小波变换结合运用,使得改进后的小波变换不但很好地滤除了椒盐噪声,提取的边缘比较连续,包含的信息也更为丰富,而且客观上与传统的小波变换相比,峰值信噪比、相关系数、扭曲程度也有了明显地改进。 最后,因为改进的Sobel算子峰值信噪比、相关系数、扭曲程度较好,而与形态学结合的小波变换在信息熵、平均梯度上效果更优,比较两种改进方法各有利弊,所以,本文将获得的边缘图像进行融合。实验表明,融合图像与改进的Sobel算子相比,信息熵,平均梯度有了明显提高,与改进的小波边缘检测方法相比,峰值信噪比、扭曲程度得以改进,将两者的优点集中起来,优势互补,最后达到了图像去噪良好和边缘提取完整的效果。